java人脸识别登陆教程

教程"/>

java人脸识别登陆教程

原标题：Java教程：PC人脸识别登录，竟然出乎意料的简单

最近对写文章稍稍的有点小抵触，写的东西没人看，有点小失落，还好在粉丝朋友的开导下，调整了下自己的心态，只要我分享的东西对大家有帮助就好，至于多少人看那就随缘吧！有时候真不能把事儿自己钻里面想，越想越出不来！你们也要开开心心的哈！

话不多说先看人脸识别效果动态，马赛克有点重哈，没办法长相实在是拿不出手。

实现原理

我们看一下实现人脸识别登录的大致流程，三个主要步骤：

前端登录页打开摄像头，进行人脸识别，注意：只识别画面中是不是有人脸

识别到人脸后，拍照上传当前画面图片

后端接受图片并调用人脸库SDK，对人像进行比对，通过则登录成功，并将人像信息注册到人脸库和本地mysql。

前端实现

上边说过要在前端识别到人脸，所以这里就不得不借助工具了，我使用的 tracking.js，一款轻量级的前端人脸识别框架。

前端 Vue 代码实现逻辑比较简单，tracking.js 打开摄像头识别到人脸信息后，对视频图像拍照，将图片信息上传到后台，等待图片对比的结果就可以了。

data() {

return {

showContainer: true, // 显示

tracker: null,

tipFlag: false, // 提示用户已经检测到

flag: false, // 判断是否已经拍照

context: null, // canvas上下文

removePhotoID: null, // 停止转换图片

scanTip: '人脸识别中...',// 提示文字

imgUrl: '', // 格式图片

canvas: null

}

},

mounted() {

this.playVideo()

},

methods: {

playVideo() {

var video = document.getElementById('video');

this.canvas = document.getElementById('canvas');

this.context = this.canvas.getContext('2d');

this.tracker = new tracking.ObjectTracker('face');

this.tracker.setInitialScale(4);

this.tracker.setStepSize(2);

this.tracker.setEdgesDensity(0.1);

tracking.track('#video', this.tracker, {camera: true});

this.tracker.on('track', this.handleTracked);

},

handleTracked(event) {

this.context.clearRect(0, 0, this.canvas.width, this.canvas.height);

if (event.data.length === 0) {

this.scanTip = '未识别到人脸'

} else {

if (!this.tipFlag) {

this.scanTip = '识别成功，正在拍照，请勿乱动~'

}

// 1秒后拍照，仅拍一次

if (!this.flag) {

this.scanTip = '拍照中...'

this.flag = true

this.removePhotoID = setTimeout(() => {

this.tackPhoto()

this.tipFlag = true

},

2000

}

event.data.forEach(this.plot);

}

},

plot(rect){

this.context.strokeStyle = '#eb652e';

this.context.strokeRect(rect.x, rect.y, rect.width, rect.height);

this.context.font = '11px Helvetica';

this.context.fillStyle = "#fff";

this.context.fillText('x: ' + rect.x + 'px', rect.x + rect.width + 5, rect.y + 11);

this.context.fillText('y: ' + rect.y + 'px', rect.x + rect.width + 5, rect.y + 22);

},

// 拍照

tackPhoto() {

this.context.drawImage(this.$refs.refVideo, 0, 0, 500, 500)

// 保存为格式

this.imgUrl = this.saveAsPNG(this.$refs.refCanvas)

var formData = new FormData();

formData.append("file", this.imgUrl);

this.scanTip = '登录中，请稍等~'

axios({

method: 'post',

url: '/faceDiscern',

data: formData,

}).then(function (response) {

alert(response.data.data);

window.location.href="http://127.0.0.1:8081/home";

}).catch(function (error) {

console.log(error);

});

this.close()

},

// 保存为png,格式图片

saveAsPNG(c) {

return c.toDataURL('image/png', 0.3)

},

// 关闭并清理资源

close() {

this.flag = false

this.tipFlag = false

this.showContainer = false

this.tracker && this.tracker.removeListener('track', this.handleTracked) && tracking.track('#video', this.tracker, {camera: false});

this.tracker = null

this.context = null

this.scanTip = ''

clearTimeout(this.removePhotoID)

}

}

人脸识别

之前也搞过一个人脸识别案例，不过调用SDK的方式太过繁琐，而且代码量巨大。所以这次为了简化实现，改用了百度的人脸识别API，没想到出乎意料的简单。

别抬杠问我为啥不自己写人脸识别工具，别问，问就是不会

百度云人脸识别的API非常友好，各种操作的 demo都写好了，拿过来简单改改就可以。

第一步先获取token，这是调用百度人脸识别API的基础。

.0/token?

grant_type=client_credentials&

client_id=【百度云应用的AK】&

client_secret=【百度云应用的SK】

接下来我们开始对图片进行比对，百度云提供了一个在线的人脸库，用户登录我们先在人脸库查询人像是否存在，存在则表示登录成功，如果不存在则注册到人脸库。每个图片有一个唯一标识face_token。

百度人脸识别 API 实现比较简单，需要特别注意参数image_type，它有三种类型

：图片的值，编码后的图片数据，编码后的图片大小不超过2M；

URL：图片的 URL地址( 可能由于网络等原因导致下载图片时间过长)；

FACE_TOKEN：人脸图片的唯一标识，调用人脸检测接口时，会为每个人脸图片赋予一个唯一的

FACE_TOKEN，同一张图片多次检测得到的FACE_TOKEN是同一个。

而我们这里使用的是图片文件，所以image_type要设置成。

@Override

public BaiDuFaceSearchResult faceSearch(String file) {

try {

byte[] decode = .decode(Util.Process(file));

String faceFile = Util.encode(decode);

Map map = new HashMap<>();

map.put("image", faceFile);

map.put("liveness_control", "NORMAL");

map.put("group_id_list", "user");

map.put("image_type", "");

map.put("quality_control", "LOW");

String param = GsonUtils.toJson(map);

String result = HttpUtil.post(faceSearchUrl, this.getAccessToken(), "application/json", param);

BaiDuFaceSearchResult searchResult = JSONObject.parseObject(result, BaiDuFaceSearchResult.class);

log.info(" faceSearch: {}", JSON.toJSONString(searchResult));

return searchResult;

} catch (Exception e) {

log.error("get faceSearch error {}", e.getStackTrace());

e.getStackTrace();

}

return null;

}

@Override

public BaiDuFaceDetectResult faceDetect(String file) {

try {

byte[] decode = .decode(Util.Process(file));

String faceFile = Util.encode(decode);

Map map = new HashMap<>();

map.put("image", faceFile);

map.put("face_field", "faceshape,facetype");

map.put("image_type", "");

String param = GsonUtils.toJson(map);

String result = HttpUtil.post(faceDetectUrl, this.getAccessToken(), "application/json", param);

BaiDuFaceDetectResult detectResult = JSONObject.parseObject(result, BaiDuFaceDetectResult.class);

log.info(" detectResult: {}", JSON.toJSONString(detectResult));

return detectResult;

} catch (Exception e) {

log.error("get faceDetect error {}", e.getStackTrace());

e.getStackTrace();

}

return null;

}

@Override

public BaiDuFaceAddResult addFace(String file, UserFaceInfo userFaceInfo) {

try {

byte[] decode = .decode(Util.Process(file));

String faceFile = Util.encode(decode);

Map map = new HashMap<>();

map.put("image", faceFile);

map.put("group_id", "user");

map.put("user_id", userFaceInfo.getUserId());

map.put("user_info", JSON.toJSONString(userFaceInfo));

map.put("liveness_control", "NORMAL");

map.put("image_type", "");

map.put("quality_control", "LOW");

String param = GsonUtils.toJson(map);

String result = HttpUtil.post(addfaceUrl, this.getAccessToken(), "application/json", param);

BaiDuFaceAddResult addResult = JSONObject.parseObject(result, BaiDuFaceAddResult.class);

log.info("addResult: {}", JSON.toJSONString(addResult));

return addResult;

} catch (Exception e) {

log.error("get addFace error {}", e.getStackTrace());

e.getStackTrace();

}

return null;

}

项目是前后端分离的，但为了大家学习方便，我把人脸识别页面整合到了后端项目。

伙伴们有不清楚的地方，可以留言~返回搜狐，查看更多

责任编辑：